一个完整的生态系统,可以帮助您使用机器学习解决棘手的现实问题
Explore our AI Service Partners
TensorFlow AI Service Partners offer a range of consulting and software solutions to help you innovate faster, solve smarter, and scale bigger with TensorFlow.

Explore our collection of AI Service Partners who have experience helping businesses implement AI/ML and TensorFlow-based solutions.
了解企业如何使用 TensorFlow
了解机器学习的工作原理
您是否曾想了解神经网络的工作原理?或者解决机器学习问题有哪些步骤?不用担心,我们会为您讲解。下面将简要介绍机器学习的基础知识。或者,如果您要寻找更深入的信息,请访问我们的教育页面,获取入门级和高级内容。
机器学习简介
机器学习是指帮助软件在没有明确的程序或规则的情况下执行任务。对于传统计算机编程,程序员会指定计算机应该使用的规则。但是,机器学习需要另一种思维方式。现实中的机器学习对数据分析的注重程度远高于编码。程序员提供一组样本,然后计算机从数据中学习各种模式。您可以将机器学习视为“使用数据进行编程”。
解决机器学习问题的步骤
使用机器学习从数据中获取答案的过程包含多个步骤。如需了解分步概述,请查看此指南,其中显示了文本分类的完整工作流程,并描述了相关的重要步骤,例如收集数据集,以及使用 TensorFlow 训练和评估模型。
神经网络剖析
神经网络是一种可以通过训练来识别各种模式的模型。神经网络由多个层组成,包括输入层和输出层,以及至少一个隐藏层。各层中的神经元会学习越来越抽象的数据表示法。例如,在此可视化图表中,我们看到了检测线条、形状和纹理的神经元。这些表示法(或学习的特征)可以用来对数据进行分类。
训练神经网络
神经网络是通过梯度下降法进行训练的。每层的权重都以随机值开始,并且这些权重会随着时间的推移以迭代的方式不断改进,使网络更准确。我们使用损失函数量化网络的不准确程度,并使用一种名为“反向传播算法”的流程确定每个权重应该增加还是降低以减小损失。